Meta presenta Muse Ember, un nuovo modello di intelligenza artificiale progettato per gestire attività ripetitive e complesse all’interno dei sistemi basati su agenti AI. Il modello punta soprattutto su efficienza e contenimento dei costi, senza rinunciare a prestazioni elevate nelle operazioni di ragionamento, programmazione, utilizzo degli strumenti e analisi di documenti.
Secondo i dati pubblicati da Meta e dalle valutazioni di Artificial Analysis, Muse Ember riesce a competere con modelli come Claude Haiku 5.5 e GPT-6 Luna, arrivando a offrire risultati migliori in diversi benchmark a un costo inferiore. È disponibile attraverso Muse Code e Meta Model API.
Muse Ember, prestazioni elevate con costi ridotti
Il nuovo modello è stato sviluppato per affrontare le operazioni che gli agenti AI eseguono continuamente durante una sessione di lavoro: chiamate agli strumenti, attività di programmazione, estrazione di informazioni, instradamento delle richieste e analisi di documenti particolarmente lunghi.
Il punto centrale è il rapporto tra prestazioni e prezzo. Secondo il confronto pubblicato da Meta, Muse Ember raggiunge un punteggio di 35,8 nell’Artificial Analysis Intelligence Index con un costo stimato di 0,136 dollari per attività. Claude Haiku 5.5 arriva invece a 34,3 punti spendendo 0,248 dollari, mentre GPT-6 Luna si ferma a 27,8 punti con un costo di 0,152 dollari.
Il modello si posiziona quindi in modo competitivo anche rispetto a sistemi che richiedono una spesa maggiore per ottenere risultati analoghi. Meta sottolinea inoltre che Muse Ember raggiunge il miglior risultato di Haiku a circa un terzo del costo.
Agenti AI e programmazione: i risultati dei benchmark
Una delle aree in cui Muse Ember mostra i risultati più interessanti è quella degli agenti autonomi. Nel benchmark AutomationBench-AA, dedicato ai flussi di lavoro aziendali, il modello raggiunge un punteggio del 37,8%, contro il 20,2% di GPT-6 Luna e il 13,9% di Claude Haiku 5.5.
Buoni risultati anche nell’Agents’ Last Exam, dove Muse Ember ottiene il 61,6%, superando di poco entrambi i concorrenti. Nel Personal Superintelligence Index, un indice interno dedicato alle attività personali e professionali, raggiunge invece il 46,8%, contro il 37% di Luna e il 36,1% di Haiku.
Per quanto riguarda la programmazione, Muse Ember è pensato soprattutto per le operazioni che un agente deve ripetere centinaia di volte: leggere file, eseguire test e applicare correzioni mirate. Nel Terminal-Bench 4.0 ottiene il 40,9%, contro il 39,2% di Haiku e il 16,4% di Luna. Nel Coding Agent Index-AA raggiunge 46 punti, superando rispettivamente i 37 e i 31 dei concorrenti.
Non tutti i test, tuttavia, premiano il nuovo modello. Nel benchmark FrontierCode 2.0-AA, dedicato alle attività ingegneristiche reali, Claude Haiku 5.5 mantiene il primato con il 34,9%, mentre Muse Ember si ferma al 27,2%.
Multimodalità e capacità di analizzare documenti complessi
Muse Ember non si limita a lavorare con il testo. Il modello comprende nativamente testi, immagini, audio e video, consentendo agli agenti di analizzare schermate, grafici, documenti digitalizzati, messaggi vocali e registrazioni di riunioni senza dover ricorrere a un modello separato.
Tra le funzionalità indicate da Meta figurano anche l’utilizzo diretto del computer attraverso le schermate e il riconoscimento di dettagli visivi particolarmente specifici.
Il modello dispone inoltre di una finestra di contesto da 1 milione di token e può generare fino a 512.000 token in output. Una capacità che permette di elaborare interi repository di codice o raccolte documentali in una singola chiamata.
Nel benchmark OSWorld 2.1, dedicato all’interazione con le applicazioni desktop, Muse Ember ottiene il 69,5%, superando il 68,9% di Claude Haiku 5.5 e il 50,5% di GPT-6 Luna. Nel PerceptionBench, che misura la capacità di interpretazione visiva con strumenti, raggiunge invece l’80,6%.
Prezzo, disponibilità e sicurezza
Muse Ember è disponibile da subito su Muse Code e Meta Model API, con il nome identificativo muse-ember-1.0. Il listino prevede un costo di 0,10 dollari per milione di token in ingresso, 0,004 dollari per milione di token di input memorizzati nella cache e 0,50 dollari per milione di token in uscita. Il modello supporta inoltre la Responses API.
Meta ha sottoposto il sistema a verifiche attraverso il proprio Superintelligence Scaling Framework, valutando anche i rischi chimici e biologici, quelli legati alla cybersicurezza e i possibili problemi di perdita di controllo. Secondo l’azienda, i risultati sono rimasti al di sotto delle soglie considerate ad alto rischio.
Le verifiche hanno riguardato anche il comportamento del modello quando agisce per conto degli utenti: rispetto delle intenzioni, gestione delle informazioni sensibili, resistenza alle istruzioni nascoste in pagine web e documenti e richiesta di intervento umano prima di eseguire azioni ad alto impatto.
Muse Ember è il primo modello sviluppato utilizzando Muse Wonder Full. Completa così la gamma di Meta, che comprende Muse Wonder per i problemi più complessi, Muse Spark per la programmazione e i flussi di lavoro agentici e Muse Ember per le attività ripetitive da eseguire su larga scala.
